Nicht selten verfehlen Vertriebskampagnen ihr gewünschtes Ziel. Denn selbst wenn das Interesse mit dem richtigen Angebot und einer charmanten Ansprache geweckt wurde, warten auf dem Weg von der Kaufabsicht zum Abschluss viele Stolpersteine. 

Fakt ist: Wenn Prozesse nicht überzeugen, leidet darunter die Abschlussquote. Das kann vor allem vor dem Hintergrund der aktuellen Marktentwicklungen schnell zu einem unbefriedigenden Verhältnis zwischen Kampagnenaufwand und Ertrag führen. 

Denn Banken sind heute einem enormen Wettbewerb ausgesetzt: Neben ortsansässigen Instituten entern immer mehr Direktbanken erfolgreich den Markt. Gleichzeitig ermöglichen Vergleichsportale den Kund:innen, sich innerhalb kürzester Zeit einen Überblick über die unterschiedlichen Angebotskonditionen zu verschaffen. Und so lösen die meisten Verbraucher:innen ihre Probleme heutzutage digital – und das auch „wenn’s um Geld geht“.

 Doch sind wir dadurch heute weiter vom Menschen entfernt oder näher dran als je zuvor? Und wie erkennen wir dessen individuellen Bedürfnisse, während sich das Banking in einer rasanten Geschwindigkeit zu einem immer weniger persönlichen Geschäft entwickelt?

Fachleute gehen davon aus, dass wir durchschnittlich circa Zehntausend Werbebotschaften pro Tag begegnen. Aber wie viele davon nehmen wir überhaupt noch wahr? Was ist die Werbebotschaft damit heute noch wert? Wenn sie nicht gezielt auf den Kunden ausgerichtet ist, wohl weniger als je zuvor.

Mit Data Analytics die Kundenbedürfnisse verstehen

Um diese und weitere Fragen zu beantworten, unterstützt die Finanz Informatik die Sparkassen-Finanzgruppe dabei, ihre Kund:innen und deren individuellen Bedürfnisse noch besser zu verstehen. Denn Werbebotschaften sollten heute personalisiert und relevant sein, um nicht im Angebotsüberfluss unterzugehen. Unser Ansatz dafür ist Data Analytics.

 Und so sind wir seit 2018 gemeinsam mit den Expert:innen der Sparkassen Rating und Risikosysteme, dem DSGV, den Regionalverbänden und der DSV-Gruppe auf dem Weg, schrittweise die Vorteile von Data Analytics in die tägliche Arbeit der Berater:innen sowie in die Systeme der Finanzinstitute zu implementieren.

Wie steht es nun aber um die Kundennähe im Banking von heute? Technologische Entwicklungen lassen die physische Distanz zwischen Berater:in und Kund:in zwar weiter wachsen, gleichzeitig sind die Sparkassen jedoch näher dran als jemals zuvor.

 Der Grund ist, dass die Sparkassen Finanzgruppe über einen enormen, stetig wachsenden Datenschatz verfügt. Das sind etwa Stammdaten wie die Adresse, das Geburtsdatum, aber auch Informationen zu Einkommens- und Familienverhältnissen der Kund:innen. Wichtige Lebensereignisse wie eine Hochzeit, die Geburt eines Kindes oder der Renteneintritt sind so oft im Vorfeld erkennbar.

Wer sich im Internet bewegt, hinterlässt zudem digitale Spuren – auch in der Internetfiliale und der App der Sparkasse. Und so kann die Finanz Informatik Rückschlüsse aus dem Klickverhalten der Kund:innen oder etwa der Kontakthistorie zwischen ihnen und den Sparkassen-Berater:innen ziehen.

Ein weiterer Vorteil ist, dass die Sparkassen Finanzgruppe etwa 40 % der Girokonten in Deutschland betreut. Mithilfe von Data Analytics können so interessante Einblicke gewonnen werden – besonders, wenn die Kontobewegungen hierzu herangezogen werden dürfen.

Für eine solche Datenverarbeitung liegt den Sparkassen immerhin von etwa 30 % der Kund:innen eine Einwilligungserklärung vor. Rechtskonform und verantwortungsbewusst können wir so diesen enormen Datenschatz analysieren.

Und das geschieht so: Mit statistischen Verfahren zur Mustererkennung berechnen wir Affinitätsscores – also welches Produkt welche Zielgruppe interessiert. Im Anschluss ermitteln wir die spezifischen Kundentypen: Wo ist dieser Kundentyp unterwegs und welcher Content passt zu ihm? Je nach Ergebnis werden dann individuelle Inhalte ausgespielt, z.B. in der Internet-Filiale der Sparkassen.

Wenn das Angebot und der dazugehörige Prozess überzeugen, kommt es im besten Fall zu einem erfolgreichen Abschluss. Die Entscheidung für oder gegen diesen Abschluss fließt über den Closed Loop wiederum in unsere Datenbasis ein und hilft dabei, die Treffsicherheit der Affinitätsscores weiter zu verbessern.

Und so lohnt sich der Einsatz von Data Analytics auch heute schon für den Vertrieb in den Sparkassen: Einige Institute fokussieren sich bereits voll auf die datenbasierte Kundenansprache – mit durchschnittlich 30 Prozent höheren Verkaufsabschlussquoten gegenüber den bisherigen Ergebnissen.

Mit individuellen Kundenansprachen zu mehr Kontakten

Neben den Data Analytics trägt außerdem das integrierte Ansprachemanagement (IAM) zu einer Steigerung der Kundendurchdringung bei. Dazu ermöglichen wir es den Finanzinstituten eigenständig Omni-Channel-Kampagnen aufzusetzen.

Das IAM spielt den Berater:innen verschiedene Kundenansprachen auf Basis von medialen und internen Ansprachemöglichkeiten aus, wodurch eine regelmäßige und wiederkehrende Kundeansprache sichergestellt wird. Die Vertriebsanalytik des IAM berücksichtigt dabei die Auslastung von Berater:innen und Service-Centern sowie die Soll-Kontaktquoten der jeweiligen Kundentypen.

Zusätzlich bietet das Tool die Möglichkeit für individuelle Selektionen und Ansprachen. Für mehr Transparenz in der Vertriebssteuerung sorgen wichtige Reporting-Elemente und perspektivisch ein Steuerungsdashboard, mit vielfältigen Monitoring-Funktionen.

Mit Data Analytics und dem integrierte Ansprachemanagement führen die FI so eine neue Evolutionsstufe in die Vertriebsbereiche der Sparkassen ein – mit reduzierter Komplexität und erhöhter Usability. Dadurch nähern sich die Finanzinstitute einer wirkungsvollen 360°-Personalisierung der Kundenansprache und dem Ziel, die richtigen Inhalte zum richtigem Zeitpunkt über den richtigen Kanal bei der richtigen Zielgruppe zu platzieren.

Mit Process Mining zu intuitiven und einfachen Prozessen

Und wie geht es weiter, wenn wir den Kontakt für das Angebot begeistern konnten? In der Theorie ganz einfach: Er startet den Kaufprozess, durchläuft die notwendigen Schritte und beendet den Prozess mit dem Abschluss des Vertrages.

Big Player wie Apple, PayPal, Amazon und Co. machen es vor und haben erfolgreiche, datengetriebene Geschäftsmodelle etabliert. Auch wenn sie in unterschiedlichen Branchen unterwegs sind, vereint sie doch insbesondere eines – simple und intuitive Prozesse.

Um diesem Anspruch auch im Banking gerecht zu werden, müssen bankfachliche Prozesse kundenfreundlich und einfach aufbereitet werden. Kund:innen möchten Informationen, die ihnen ein Gefühl von Sicherheit und Vertrauen vermitteln, sie aber nicht überfordern.

Aber wie übersetzt man die teilweise doch hochkomplexen bankfachlichen Prozesse in etwas Intuitives und Kurzweiliges? Unzählige regulatorische Anforderungen müssen erfüllt werden und die aus technischer Sicht unterschiedlichen Prozessbausteine müssen zu einem ganzheitlichen und für den Endkunden intuitiven Prozess zusammengesetzt werden.

Das ist gar nicht immer so einfach, wenn viele unterschiedliche Parteien in der Entwicklung involviert sind.

Dazu setzen wir uns in den Stuhl unser (End-) Kundinnen und Kunden und denke den Prozess aus dieser Perspektive. Für unsere mehr als 300 Geschäftsprozesse etablieren wir aktuell die End-to-End-Verantwortung – denn es braucht jemanden, der das große Ganze im Blick behält. Damit wollen wir erreichen, dass jeder Prozessschritt für die Kundin so nahtlos auf den nächsten übergeht, wie möglich.

Eine wichtige Aufgabe ist es dabei, die Komplexität von bankfachlichen Prozessen durch Übersichtlichkeit und verständliche Formulierungen auszugleichen und dem Kunden gleichzeitig genau die Menge an Informationen bereitzustellen, die ihm ein Gefühl von Sicherheit und Vertrauen vermittelt, ihn aber nicht überfordert.

Unser Ansatz dafür ist Process Mining. Sobald ein digitaler Prozess gestartet wird, werden verschiedene Informationen zum Prozessablauf dokumentiert. Solch ein Prozess besteht teilweise aus über hundert Prozessschritten, sogenannte Aktivitäten. Da die Zeiten jeder Aktivität erfasst werden, können wir mithilfe dieser Daten reale Prozessabläufe rekonstruieren und visualisieren.

So sehen wir, welche unterschiedlichen Prozessvarianten existieren, wie der Prozess durchlaufen werden kann, wie lange die einzelnen Schritte durchschnittlich dauern und an welcher Stelle der Prozess häufig abgebrochen wurde. Kritische Stellen nutzen wir dann als Einstieg für tiefergehende Analysen.

Die Fragestellungen sind dabei vielfältig: Lässt sich der Prozess durch kürzere Ladezeiten technisch optimieren? Ist der Aufbau des Prozesses sinnvoll? Enthält der Prozess womöglich überflüssige Prozessschritte? Kann das User-Interface (UI) verbessert werden? Lässt sich die Verständlichkeit durch andere Formulierungen vereinfachen?

Durch Process Mining sind wir in der Lage zu verstehen, wie sich unsere Kund:innen und verschiedene demografische Zielgruppen in unseren Prozessen verhalten. Dies eröffnet uns ganz neue Möglichkeiten.

Fazit

Viele haben sich heute schon daran gewöhnt, ganz einfach von zu Hause aus den wöchentlichen Einkauf per App zu erledigen oder sich mit zwei Klicks einen E-Scooter ausleihen zu können. Wer dieses neue Niveau der Einfachheit und Kundenorientierung nicht erreichen kann, der wird es in Zukunft schwierig haben. Wer die technischen Möglichkeiten für datengetriebene Customer Journeys verantwortungsvoll nutzt, bekommt eine riesige Chance zukünftig sein Publikum durch innovative und einfache Lösungen zu überzeugen und damit einen entscheidenden Wettbewerbsvorteil zu erzielen. 

Mit Data Analytics wird das Banking für Kunden und Sparkassen attraktiv, mit Process Mining wird es intuitiv und einfach. Ein Zusammenspiel, das die Kunden begeistern soll. Denn das richtige Angebot zur richtigen Zeit allein reicht nicht mehr aus – auch die dahinter liegenden Prozesse müssen kundenorientiert und möglichst simpel sein.